피드로 돌아가기
Dev.toAI/ML
원문 읽기
Spec-Driven Pipeline으로 토큰 비용 절감 및 구현 정밀도 향상
The New Code: Why Specifications Will Replace Programming
AI 요약
Context
AI Agent 기반의 자동화 파이프라인에서 단순 Prompt 중심의 'Vibe Coding'으로 인한 의도 왜곡 및 유지보수 불가 문제 발생. 초기 아키텍처는 각 태스크를 완전히 격리된 환경에서 처리함으로써 불필요한 중복 토큰 소모와 통합 테스트 부재라는 구조적 한계를 가짐.
Technical Solution
- Spec을 최상위 Source로 정의하고 생성된 Code를 일종의 Binary로 취급하는 Spec-Driven 아키텍처로 전환
- Task별 독립 실행 방식에서 '개별 Implement-통합 Validation' 구조로 파이프라인 재설계
- 구현 단계에서는 Context 오염 방지를 위해 Fresh Implement Agent를 할당하되, Setup/Test/Review/Doc 과정은 통합 결과물에 대해 1회만 수행하도록 최적화
- 업무 범위에 따라 /patch(단순 수정)부터 /sdlc-block(오케스트레이터 기반 병렬 PR 생성)까지 4단계의 실행 계층(Rung)을 분리하여 효율성 제고
- Master Plan → Executable Spec → AI Implementation으로 이어지는 단계적 Planning 워크플로우 강제
실천 포인트
- 구현 전 'Done'의 정의와 제약 사항, Edge Case가 명시된 Executable Spec을 작성했는가? - AI 생성물을 커밋하기 전, 해당 결과물을 도출한 Prompt/Spec을 버전 관리 시스템에 함께 보존하고 있는가? - 모든 태스크를 독립적으로 실행하고 있지는 않은가? 공통 Setup 및 통합 Review 단계를 분리하여 토큰 효율을 최적화했는가? - 변경 범위(Scope)에 맞는 적절한 실행 파이프라인(Rung)을 선택하여 불필요한 검증 단계를 제거했는가?